股票市场的预测问题引起了许多不同研究领域的兴趣，如金融，贸易，统计以及计算机科学。本文旨在预测股票市场中的一个关键参数，从而忽略了大多数研究。这项工作的目的是为了表明利用人工神经网络预测股票市场的能力和潜力。本文还介绍了研究实施的一些参考和指导方针。　　文章首先介绍了股票市场的背景，突出了一些传统理论，说明了在这个金融体系中如何以及何时投资的基本原则。接着，本文回顾了之前的文献以及人工神经网络的历史背景。此外，文章还强调了数据预处理作为数据挖掘的基本构建模块的重要性。预处理阶段被引入到数据的整合，清理以及缺失值的处理。　　过去有各种方法被用于处理股票市场的预测问题，但没有哪种方法被认为是独一无二并且可取的。计算时间在确定最适合模型的过程中起着重要的作用。一些方法和模型在过去已经被用到，例如多层感知器(MLP)，径向基函数(RBF)，神经网络(NNs)以及支持向量机(SVMs)。多层感知器(MLP)和径向基函数(RBF)的学习过程要经历很多次迭代进而需要耗费大量时间。　　在本文中，我们提出了一种在之前的文献中没有被广泛尝试的有监督的Kohonen自组织映射方法，根据中国的一些各种各样的历史数据来预测周转率。我们的研究结果表明，有监督的Kohonen自组织映射方法在时间和精度上要优于著名的多层感知器(MLP)和径向基函数(RBF)方法。我们模型的精度是通过计算整个测试数据的混淆矩阵和两类预测类来确定的。　　最后，本文指出了有监督的Kohonen自组织映射在今后的工作中需要解决的一些重要挑战。